「晚点聊」播客丨Meta AI 人才动荡，上亿美元为何留不住人？

以下是播客的文字整理，有部分精简。

Meta 曾是创业氛围最浓厚的硅谷大厂，但疫情期间变臃肿

晚点：Meta 近期经历了天价挖人到人才流失的戏剧性转折，甚至有 2 名刚被挖来不久的 OpenAI 研究员又回了 OpenAI 。你认为这是怎么发生的？

朱哲清：硅谷人员流动频繁，但三个月内就跳槽的不多，更何况他们在 Meta 拿到的薪资包比在 OpenAI 等公司更优厚。这次有人快速离开，可能是不习惯 Meta 的环境。

我 2017 年加入的前两年，Meta 是美国最有创业氛围的大公司：写代码、审批、上线到生产环境，整个流程只要几小时，非常高效。疫情后，流程没变，但 Meta 组织更臃肿了，VP 层级变多，每次迭代都要经过多个 VP 审批，可他们往往既不懂项目也没时间，只是形式化地审核一遍，留下一堆批示，搞得大家都很不爽，很多人因此离职。

同时，Meta 的内部 “政治斗争” 比较多。这次离职的员工很多来自 OpenAI 或 Google，他们往往不擅长在有政治斗争的环境里工作，会觉得在浪费时间。而这类高层级人才的选择很多，往往被十几家公司同时抢，他们会快速离开就不意外了。

晚点：扎克伯格现在让 28 岁的亚历山大·王来负责超级智能实验室，是不是在尝试改变，试图重新打造一个更扁平、更接近创业文化的组织？

朱哲清：我认为这是他的初心。但 Super Intelligence Lab 已有 5000 人，而现在一个 SOTA 模型（State Of The Art 模型，指在某一任务/数据集上，当前公开评测中表现最好的模型）的核心训练团队其实不超过 50 人，其中二十多人做模型设计和调优，二十多人负责基础设施和工程支持，还有一些产品经理思考功能方向，比如模型哪些部分重要、哪些不重要。剩下的组织都在做相对边缘化、不是主线的产品。

所以，如果 Meta 的目标是让 Llama 超过 GPT-5，它可能需要的是一个 150 到 250 人的核心团队，把事情做到极致，而不是一个 5000 人的大团队，那反而会互相掣肘。

我还怀疑内部存在 “赛马” 现象——不是被动，而是主动的。Meta 的文化非常 bottom-up，会启动类似的方向。产品有明确的 ownership，但模型训练没有。谁都能尝试，只要训练结果好就行。这种缺乏 ownership 的情况让管理和协调更难，因为多个团队可能同时做同样的事。

亚马逊就没有太多这种问题，因为他们的每个事业部都有自己的研究团队，资源和目标都绑定在具体产品上。即使两个团队做出类似模型，也能落到各自的产品里。

Google 更依赖在研究上公认有权威的人来定方向，其他人配合执行，相对 top-down。这减少了内部不服气、各自开工的问题。

OpenAI 和 Anthropic 则是使命驱动。他们会先设定清晰目标：模型需要达到什么能力，对哪些 benchmark 负责。然后全公司都围绕这个目标努力，不会出现多个团队重复做同样的事情。而且他们团队规模本来也不大，更需要集中力量。

晚点： Meta 也有很多产品，为什么它不能和亚马逊一样，每个产品线的研发落到自己的场景里？

朱哲清：核心原因在 Meta 的组织架构里，部门对产品掌控力不强。组织内所有代码库和基础设施完全开放，任何团队都能修改别人的代码，这导致团队对产品缺乏处置权。

其次，部门的财务自主权很弱。 VP 的预算很有限，无法做大规模的资源配置。例如他没法独立决定给谁多少奖金，花多少钱在数据中心，也没法裁掉部门一半人然后集中资源到算力。这导致 Meta 的团队只能在现有框架下行事，很难像创业公司那样做出战略性改变。

晚点：这种组织形态给 Meta 带来的好处是什么？

朱哲清：好处是速度很快。举个例子，我训模型时发现 Facebook Feed 的推荐模型有问题，可以直接找团队沟通，甚至自己改，最后不到半年就把模型完全替换了。在正常流程里，跨团队改模型早被 VP 卡死了。

它的缺点也很明显：2017 年到现在公司人数翻了数倍，扩张到七八万人。一件事原本一个人做，现在五个人做。绩效要分摊，利益分配不均，容易变成政治斗争，这在大公司很常见。

举个例子：假设 A 团队目标是把某模型推广到全公司所有产品线，B 团队目标是让某产品 DAU 提升 2%。如果 B 团队产品用了 A 团队的模型，结果 DAU 确实涨了 2%，那功劳算谁的？双方就会为 credit 争夺。因此 B 团队可能会自己重做模型，而不是直接用 A 团队的成果。

晚点：其实 OpenAI 和 Anthropic 都是上千人的团队，就不存在团队分工矛盾吗？

朱哲清：他们是所有人有一致目标，这是初创公司的关键。哪怕团队有几千人了，只要大家不在乎功劳分配，政治斗争就不存在。

晚点：怎么在千人规模的团队做到目标一致的？

朱哲清：有一个临界点，即是否所有员工都在做真正重要的工作。

所有公司事件中大致可以分为重要的 20% 和不重要的 80% 。如果所有人都在做重要的 20% ，还很忙，那没问题；但一旦有人在做 80% 的次要工作，他们就想变得重要。

大公司为了维持财报、营收和股价，会招人来做只能带来 1% 增长的事情，因为即使极小的营收增长也能覆盖人力成本。这些人也想做重要的事情，政治斗争就产生了。

晚点：以 “使命驱动” 看，怎么理解 Ilya 和 Sam Altman 的分裂？

朱哲清：当重要成员的个人使命出现差异时，使命驱动的公司容易分崩离析。因为唯一的纽带不是金钱，而是使命。成员使命不同，公司自然分裂；夸张点说利益绑定才最牢靠。

OpenAI 里 Sam Altman 和 Ilya 的根本分歧在于：Sam 关注用户增长；Ilya 则更关注模型安全性和可靠性。两条路都需要投入大量人力和资源，公司只能选一条，于是最后有人要离开。

晚点：关于 Meta 的人事动荡，除了刚才的深层原因，也有人提到亚历山大 · 王的风格过于强势。

朱哲清：我倒觉得不是个人风格，而是架构错配。在 AI 领域，CEO 不直接负责研究。比如在 OpenAI，Sam Altman 是 CEO，Mira 曾是 CTO，但也有其他人带研究团队—— Greg Brockman、John Schulman、Noam Brown 等，他们知道研究方向往哪里走。而现在 Meta 的情况像是让 Sam Altman 直接管研究团队。

还有个细节，这轮热潮之后才成长的年轻研究者很难真正服众；你需要的是德高望重又和公司路线一致的人才。但这种人很难找。

晚点：Ilya 离开之后，OpenAI 由谁来扮演这样的技术领军角色？

朱哲清：其实有好几个人。比如 Noam Brown 带多智能体方向；还有 Schulman ，他主要带 RLHF （ Reinforcement Learning with Human Feedback，人类反馈强化学习）以及 RL（ Reinforcement Learning，强化学习）；还有 Jan Leike 。他们过去做出重要成果，而且和公司的研究方向一致，所以大家愿意跟随；但如果让新人直接带大方向，就难服众。不过除了 Noam Brown，刚才提到的人都离开了。

科学家型 vs 工程型人才：工程型人才会决定公司未来 2-3 年的发展，科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 2-3 年

晚点：那些在 ChatGPT 有重要研究成果的人，他们普遍多少岁？

朱哲清：一般在 35-40 岁。常见情况是，这个人做了几个奠基性的研究，于是成了这个方向的领军人物。比如 David Silver 是 AlphaGo 第一篇论文的一作； Schulman 提出了 PPO 算法（Proximal Policy Optimization，强化学习中的策略优化算法，被广泛用在包括机器人控制、对话系统训练等任务中）。

现在 AI 研究很难有根本性的突破性研究，因为这需要算力，而算力掌握在大公司手里。博士只能找大公司没做的小方向发论文；或者进入大公司跟着公司的战船往 LLM（大语言模型）走。结果是，过去三四年毕业的博士生没人再写出像 PPO 这种影响深远的算法。问题是，如果 LLM 碰到瓶颈，要怎么突破？目前没人真正开辟出这条新路径。

晚点：这里有个错配，顶尖人才更有野心做原创性工作，但大公司更希望在收益明确的主线上取得进展。

朱哲清：我自己也想做开创性的研究，但过去 7-8 年更多专注在技术落地上。很多研究者一旦方向基本定型，剩下的就不做了，让别人跟进；但大公司真正需要把成果落地的人，纯研究五六个人就够。比较理想的领导架构是：5-6 个顶尖研究者，配上 5-6 个强执行力的落地型人才。

晚点：你刚才盘点硅谷重要的 AI 公司时没提到 xAI。这是为什么？

朱哲清：讨论顶尖研究科学家的去向时，我一般不会把 xAI 算进来。马斯克是工程师型人物的代表——用现有技术把落地做到极致，做出极其复杂、别人无法复制的工程项目，从而形成壁垒。这在 AI 上表现为扩大模型规模、叠加算力，把模型能力不断往上推。之前马斯克和杨立昆（Yann LeCun，图灵奖得主 ）在推特上吵架时，还说 “根本不存在 research，一切都是 engineering”。

xAI 更偏工程驱动，Google 更偏科学驱动——通过科学飞跃带来革命性突破。

晚点：这是不是有点像中美差异？

朱哲清：我觉得不完全恰当，中美都有科学家型和工程型人才。我更倾向这样理解：工程型人才一般决定公司接下来 2-3 年的发展，而科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 3 年。

晚点：和国内技术人员交流时，大家普遍觉得中国难有最原创性的突破。

朱哲清：确实， ChatGPT 出现后，大家蜂拥做 LLM ，很少有中国研究机构或公司尝试挑战这条技术路径。中国研究者一直面临指标压力，高校、企业都去追逐最容易拿指标、出业绩、发表论文的方向。

很多美国和欧洲高校团队会挑战 Transformer （Transformer：一种以自注意力为核心的神经网络架构，已成为当代大模型的基础结构）这个共识，他们的研究体系允许几年都没有产出，不过这种环境也在变差，因为资金都流向了最容易落地的 LLM 项目。因为这届美国政府下，美国高校和研究机构的经费也在变少。

晚点：研究者的职业生涯是不是和科技周期相关呢？原创性突破每隔一阵才会集中出现？

朱哲清：我不太认同 “周期” 这个说法，做研究本质是选择问题。优秀研究员都会看到 3-5 个值得做的方向，有些方向或许能挑战顶尖模型。

关键在于怎么选：是去大厂拿高薪，做短期能落地的项目；还是留在高校，尽管经费拮据、算力短缺，但坚持做真正长期的事？每个人都有选择权。很多时候，科技创新往前溯源就是某个人或小团队，突然决定要挑战既有方向。

晚点：基础研究有没有类似超级富豪设立基金会的模式，投入巨额资金，且给研究团队足够的自由度？

朱哲清：已经有了，比如比尔·盖茨、扎克伯格、拉里·佩奇、谢尔盖·布林都设立了自己的研究基金会，资源非常宽裕。但基金会的难点在于招人，尤其是跟着顶尖人才干活的人。对具体干活和执行的人，同样的时间加入大厂，本可以按部就班晋升，但如果在这种研究机构做新方向，可能没有成果。

OpenAI 和 Anthropic 最有吸引力，最顶尖 AI 人才想成为促使 AGI 到来的一分子

晚点：前面聊了聊 Meta 内部导致人才流失的斥力，那顶级人才会被哪些公司吸引呢？

朱哲清：普遍最想去的是 OpenAI 和 Anthropic，接下来是 Google。其实 Google 研究实力是第一梯队，但人数太多，上升空间有限，所以排序在 OpenAI、Anthropic 之后。

晚点：最顶级的技术精英选工作时最看重什么？

朱哲清：能成为 AGI 出现的那个时刻的一分子，而且是核心的一分子。换言之，如果将来有一篇被称作 AGI 的论文或一个被认定为 AGI 的模型，他们希望自己的名字出现在作者里。

晚点：这里更底层的驱动力是什么？

朱哲清：“为爱发电”。

晚点：不是青史留名吗？

朱哲清：我觉得这两个不完全一样。“为爱发电” 是出于热爱，但同时也希望被世界看到——类似争诺贝尔奖或图灵奖的渴望。

晚点：中国目前最有人才吸引力的可能是字节等大公司，这一点好像和美国不同。

朱哲清：最终取决于资本市场。OpenAI 和 Anthropic 几乎有无限资本储备，因为它们要是倒了，整个美国 AI 投资圈都会受冲击。但国内模型创业公司没有这样的地位。

更关键的是，大公司还愿意和它们合作，因为它们的模型能力超过了大公司，例如 Adobe 、Azure 、Google Cloud 都主动去销售 Anthropic 的模型， AWS 也会主动卖 OpenAI 的模型。

晚点：这轮热潮之前，硅谷有没有过站位如此有利的创业公司？

朱哲清：之前的 Google 和 Facebook 就是。Google 虽然一度有点被撼动，但凭借自身的 AI 能力又补回来了， Google 技术依然超一流，更可能是自己颠覆自己。

Meta 的 Facebook 和 Instagram 则有无法撼动的社交网络护城河，因为用户很难脱离既有的社交圈。

晚点：2023 年的 Google 看起来有点被甩开了；但今年 Google 的 Gemini 和 Nano Banana 强势回归。Google 做对了什么？

朱哲清：这是初创公司和大公司的技术迭代区别。OpenAI 和 Anthropic 的打法是快速迭代，资源集中，力出一孔；Google 的打法是多点推进，利用自身技术积累在多个方向同时发力，虽然过程更慢，也受组织结构掣肘，但最终能端出一整批从文字到图像、视频、世界模型的顶尖模型把竞品打爆。

可以这样去设想： 2023 年，ChatGPT 特别火，Google 意识到必须加大投入；2023 年中到 2025 年中，Google 有二三十个团队同时开发各自最好的模型和能力，但大公司动作慢，OpenAI 发布了好几轮， Google 迟迟没声音。两年是大型产品发布的正常周期，两年后成果集中爆发。

晚点：你说 Anthropic 和 OpenAI 力出一孔，你怎么总结它们各自的战略聚焦点？

朱哲清：Anthropic 是把文字空间做到极致，其中最好的落地场景是 coding；OpenAI 则把面向 C 端的各种场景做得最好。

Google 则是平台策略：它做模型能力，在应用侧 “养蛊”——把模型开放给大量应用去尝试。如果比较残酷地去推测，Google 可以等市场筛选出某个方向明显成功的公司时，要么收购，要么直接自己做一个取代它。平台策略是确定的，后面的竞争方法只是我的推演。

晚点：今年早些时候 Sam Altman 确实曾说，相比 AGI ，他会优先选择 10 亿 DAU。到今年年中 ChatGPT 已经有 7-8 亿周活了。

朱哲清：换我也会选 10 亿 DAU， 因为 10 亿日活用户几乎覆盖了世界上所有职业和问题场景，那就是 AGI。但 Gemini 月活也已有 4 亿了，增长很快。

晚点：在 Chatbot（聊天机器人）这个形态上 OpenAI 并非高枕无忧？

朱哲清：对，我最想了解的是 ChatGPT 手机端的活跃度。桌面端的 Chrome 浏览器给了 Google 一个几乎坚不可摧的壁垒， ChatGPT 在桌面端的长期竞争中很难胜出。

但用户在手机端的选择多很多。如果用户习惯了在手机上打开 ChatGPT，Google 这块将无还手之力。但目前 ChatGPT 主要是效率工具，大家用手机普遍还是娱乐和社交沟通。

当 AI 让组织效率提升数十倍，网状结构会比金字塔层级更有效

晚点：你认为 AI 会催生出怎样的新型组织形态？尤其是从 0 开始做创业公司时，可以怎么建立组织？

朱哲清：第一点是能给 AI 的都给 AI。只有面临短期不能被 AI 解决的新岗位需求，我们才招人。

第二点是尽量去中心化，避免金字塔式层级结构。小组织使用网状结构更好，可以高效沟通协作。金字塔式组织的效率不高，因为管理者很难准确了解所有人的真实能力，从而做到人事匹配。AI 可以帮助创始人准确掌握每个人的优势、精力分配情况并随时调整任务。这时传统管理层几乎都可以省去。

第三点是任务不要过度细节化，看板式的细分任务管理在以 AI 为核心的工程团队里并不适用，因为执行频率太高。很多任务周期很短，任务分配要更抽象一些，让工程师发挥架构能力。企业不是让工程师单纯写代码，而是设计一个功能的整体结构和实现路径，再交给 AI 去具体执行。

晚点：这种新组织形态相比老的，有哪些没变？

朱哲清：我觉得团队信任更重要了。 AI 赋能下团队产出是过去 3-5 倍， CEO 没时间逐一检查所有人工作了，因此管理者需要判断哪些事情必须检查，哪些可以基于信任完全放手。

还有是团队能力需要保持互补。能力近似时，两个人容易同时做类似的事，不仅浪费时间，还容易起冲突。

晚点：Pokee AI 自己现在有多少人，怎么协作的？

朱哲清：我们全职员工八个，还有几个小岗位在招。

每天就一个简短的 stand-up，半小时能结束，流程很简单：先确认并调整现有优先级，再按照优先级任务检查负责人的进展，随后依据任务间的依赖关系协调进展，最后每个人把第二天要做的事情写成抽象化的任务。整体协作逻辑和过往产品开发流程相似，但速度成倍提升，过往 5-10 天的工作量现在可以一天做出来。

晚点：现在的协作中，你不太满意的是什么？

朱哲清：我最大的担忧是，人多后组织容易产生 overlap（重合）。因为每个人的能力范围都被 AI 工具放大了，原本做不了的活都能做，任务分配会出现重叠甚至踩踏。运营、设计这些职能可以独立出去，但技术领域牵扯度太高很难划分。

晚点：互相有职权重合一定是坏事吗？

朱哲清：我并不喜欢 overlap，曾经见过几个 “赛马型” 组织最后死得很惨，最后在公司层面被反噬。

晚点：Meta 的职能重叠挺多，你觉得 Meta 还能改吗？

朱哲清：扎克伯格因为 AB 股制度对 Meta 有完全控制权，可以按照自己的意愿塑造公司。关键看他想不想，以及想没想清楚每个动作的长期影响。

晚点：创始人作 CEO 和职业经理人作 CEO 的区别是什么？

朱哲清：职业经理人能预测职场环境下 2-3 步的人事与组织架构变化，并通过最优的市场和组织调整来完成管理，但一般不主动开疆拓土、创造新功能或新产品。很难想象 Google 或 Microsoft 会突然冒出一个 Reality Labs 或者 5000 人的 AI 团队。

晚点： Meta 里没有职业经理人的角色吗？

朱哲清：以前从 Google 过来的 Sheryl Sandberg 就是，她离开后就没有职业经理人了。目前公司内部的 CPO、CTO、COO 这些核心岗位都是创始团队担任；新进的 Super Intelligence Lab 大多是投资人背景，他们更偏向创始人式的管理风格。所以现在没有人会提醒小扎有哪些风险，让他慢一点。

晚点：接下来，你认为硅谷的人才竞争会如何发展？

朱哲清：目前资本市场和人才市场都很火热，但明年可能会降温。现在市场对 AI 的期望被抬得非常高，很多 VC 在年底会全面评估今年 AI 市场演进和各公司表现，明年三月出结果。如果结果不及预期，资本市场就可能逐渐冷却，人才市场也跟着冷却。

晚点：资本市场用什么指标衡量 AI 产品达到预期，广告营收吗？

朱哲清：最主要还是看 AI 产品的实际营收。

晚点：Meta 之前的财报提到广告业务因为引入 AI 有了显著提升，二级市场很认可。不过这其中到底有多少是 LLM 带来的，多少是过去的推荐系统优化的延续？

朱哲清：我认为绝大多数广告收入和目前的 LLM 和 GenAI 关系还没那么大。资本市场与实际技术进展之间有一些脱节，这种现象可能很危险。

晚点：更长期来看，你认为技术公司招揽顶尖 AI 人才的竞争会怎么影响研究者的职业发展？

朱哲清：现在氛围很浮躁。这容易导致博士阶段最重要的能力——批判性思维没能得到扎实培养，后来发展路径变窄。

我们公司在优秀的高校有人驻点，我经常去和那边的教授交流。普遍现象是，几乎所有博士生上来就希望切入大模型或者扩散模型，很少有人愿意做底层算法的改进，甚至很多人读博中途就辍学创业了。

一件搞笑的事是，今年在斯坦福 “CS231N”（大语言模型课程）的第一堂课，老师刚介绍完学期大纲，就有学生问：“上完这门课，我能不能带团队做出 SOTA 的大模型？” 全场都笑了。

斯坦福学生是比较自信，但以往还没到这种程度，这侧面反映了现在的环境。

题图来源：pexels